SPHからRAへのコンバーター

SPHは、1990年頃に米国国立標準技術研究所が作成したNIST SPHERE(SPeech HEader REsources)形式で保存されたオーディオのファイル拡張子です。音声研究用に構築されたSPHファイルは、データベース識別子、チャンネル数、サンプルレート、バイトオーダー、圧縮タイプなどのメタデータが詰め込まれた1024バイトのASCIIヘッダーを持ち、すべての録音が自己記述的です。基盤となるオーディオは通常16 kHzで16ビットリニアPCMサンプリングですが、他の構成も許可されています。NIST、DARPA、および世界中の大学の研究者は、現代の自動音声認識システムの基盤となるTIMIT、Switchboard、LDCコレクションなどの音声コーパスの配布にSPHを使用しています。主な利点は、人間が読めるヘッダーにより、スクリプトがバイナリデコーディングなしに録音メタデータを解析できることです。形式の厳格な標準化により、機関やプラットフォーム間でデータセットを共有する際の曖昧さも排除されます。SPHファイルは非圧縮PCMを格納するため、完全なオーディオ忠実度が維持されます — 小さなアーティファクトでさえ結果を歪める可能性がある音響モデルのトレーニングにおいて重要です。

RealAudioは、RealNetworksが開発し、1995年にインターネット上でのリアルタイムオーディオストリーミングを可能にする最初期の技術の一つとして初めてリリースされた独自のオーディオ形式です。ダイヤルアップ時代において、RealAudioは真に革命的でした — ファイル全体のダウンロードを待つことなく、ダウンロードしながらオーディオを聴くことができました。3分の曲の転送に30分かかることもあった時代のパラダイムシフトでした。この形式は複数のコーデック世代を経て進化しました — 初期のバージョンは14.4 kbpsモデム用の低ビットレート音声コーデックを使用し、後のバージョン(AACベースのRealAudio 10)はCD品質に近い音質を提供しました。RAファイルは固定ビットレートと可変ビットレートのエンコーディング、アダプティブマルチビットレートストリーミング、および不安定な接続での再生中断を最小限に抑えるバッファリングアルゴリズムをサポートしています。ピーク時にはRealPlayerが数億台のPCにインストールされ、BBCやNPRなどの放送局がオンラインストリームにRealAudioを使用していました。アダプティブビットレートストリーミングのコンセプトは、後のHLSやDASHなどの標準に影響を与えた永続的な技術的貢献です。最新のコーデックに取って代わられましたが、初期のWebラジオからの膨大なRAコンテンツアーカイブが存在し、現在のデバイスでの再生には変換が必要です。